駕駛員在消極情緒狀態(tài)下的駕駛行為是造成交通事故的重要原因之一,特別是由消極情緒所引發(fā)的“路怒癥”（Road Rage）現(xiàn)象,嚴(yán)重影響了駕駛員的安全駕駛。因此研究駕駛員情緒識(shí)別理論與方法,實(shí)時(shí)監(jiān)測(cè)駕駛員的情緒狀態(tài),在駕駛員出現(xiàn)消極情緒時(shí)對(duì)其進(jìn)行主動(dòng)干預(yù),對(duì)保障駕駛員人身安全及道路交通安全具有重大意義。當(dāng)前針對(duì)駕駛員情緒識(shí)別的研究主要還停留在實(shí)驗(yàn)室模擬法、量表法以及生理信號(hào)檢測(cè)法等階段,這些研究方法均不能實(shí)現(xiàn)在不影響駕駛員正常駕駛的前提下進(jìn)行駕駛員情緒的實(shí)時(shí)監(jiān)測(cè)。針對(duì)此問(wèn)題,本文提出了一種基于機(jī)器視覺(jué)的實(shí)時(shí)動(dòng)態(tài)情緒識(shí)別方法。該方法首先運(yùn)用機(jī)器視覺(jué)的理論和方法識(shí)別駕駛員在駕駛狀態(tài)下的面部表情,然后研究表情變化所產(chǎn)生的情緒狀態(tài),得到在時(shí)間軸上的連續(xù)情緒變化。本文創(chuàng)造性地提出了駕駛員情緒指數(shù)（以下簡(jiǎn)稱(chēng)“情緒指數(shù)”）的概念,用來(lái)衡量此時(shí)的駕駛員是否適合駕駛。情緒指數(shù)的引入,使得研究表情連續(xù)變化所反映的情緒變化成為可能。針對(duì)駕駛員情緒識(shí)別問(wèn)題,本文做了三個(gè)方面的工作。（1）針對(duì)復(fù)雜光照環(huán)境對(duì)人臉圖像的影響,本文在認(rèn)真分析當(dāng)前經(jīng)典圖像增強(qiáng)算法的基礎(chǔ)上,提出了一種基于Retinex理論的自適應(yīng)衰減量化（... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：146 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 研究現(xiàn)狀
        1.2.1 駕駛員情緒識(shí)別研究
        1.2.2 基于機(jī)器視覺(jué)的表情識(shí)別研究
        1.2.3 復(fù)雜光照環(huán)境下人臉圖像增強(qiáng)研究
        1.2.4 亟待解決的科學(xué)問(wèn)題
    1.3 本文主要研究?jī)?nèi)容及意義
    1.4 全文章節(jié)安排
第2章 情緒識(shí)別的理論及研究方法
    2.1 基本理論及研究方法
        2.1.1 復(fù)雜光照環(huán)境下的人臉圖像增強(qiáng)理論及研究方法
        2.1.2 人臉表情識(shí)別理論及研究方法
        2.1.3 情緒識(shí)別理論及研究方法
    2.2 本文的理論創(chuàng)新及擬解決的關(guān)鍵問(wèn)題
        2.2.1 本文的理論創(chuàng)新
        2.2.2 擬解決的關(guān)鍵問(wèn)題
    2.3 研究路線及實(shí)驗(yàn)方案
        2.3.1 研究路線
        2.3.2 實(shí)驗(yàn)方案
    2.4 本章小結(jié)
第3章 基于Retinex理論的光照增強(qiáng)算法研究
    3.1 引言
    3.2 基于Retinex的圖像增強(qiáng)算法概述
        3.2.1 Retinex經(jīng)典增強(qiáng)算法
    3.3 基于Retinex理論的AAQR算法
        3.3.1 AAQR算法基本原理及推導(dǎo)
    3.4 基于駕駛員人臉檢測(cè)的AAQR算法驗(yàn)證
        3.4.1 基于HOG特征的面部檢測(cè)
        3.4.2 基于集成回歸樹(shù)的面部對(duì)齊
        3.4.3 基于CNN的面部驗(yàn)證
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)準(zhǔn)備與AAQR算法實(shí)現(xiàn)
        3.5.2 AAQR算法對(duì)比驗(yàn)證
    3.6 本章小結(jié)
第4章 基于CNN的駕駛員表情識(shí)別研究
    4.1 引言
    4.2 基于深度神經(jīng)網(wǎng)絡(luò)的表情識(shí)別模型
        4.2.1 深度神經(jīng)網(wǎng)絡(luò)的選擇
        4.2.2 基于CNN的表情識(shí)別模型基本參數(shù)結(jié)構(gòu)
    4.3 表情樣本數(shù)據(jù)庫(kù)選擇
    4.4 基于CNN的多結(jié)構(gòu)變參數(shù)駕駛員表情識(shí)別建模
        4.4.1 圖像預(yù)處理與特征獲取
        4.4.2 時(shí)間信息的建立
        4.4.3 模型的網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.4 模型的訓(xùn)練
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 模型實(shí)現(xiàn)與實(shí)驗(yàn)設(shè)置
        4.5.2 模型權(quán)重系數(shù)相關(guān)測(cè)試
        4.5.3 模型識(shí)別精度與收斂速度測(cè)試
        4.5.4 模型實(shí)時(shí)性測(cè)試與在線表情識(shí)別分析
    4.6 本章小結(jié)
第5章 駕駛員情緒建模與識(shí)別研究
    5.1 引言
    5.2 駕駛員情緒指數(shù)的定義
        5.2.1 情緒—表情對(duì)應(yīng)關(guān)系
        5.2.2 駕駛員情緒指數(shù)
        5.2.3 面部表情轉(zhuǎn)換表
    5.3 情緒識(shí)別算法及實(shí)現(xiàn)
        5.3.1 識(shí)別表情的情緒指數(shù)
        5.3.2 駕駛員的情緒指數(shù)
    5.4 實(shí)驗(yàn)驗(yàn)證與結(jié)論
        5.4.1 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.4.2 實(shí)驗(yàn)流程
        5.4.3 實(shí)驗(yàn)案例—中性情緒
        5.4.4 實(shí)驗(yàn)案例—積極情緒
        5.4.5 實(shí)驗(yàn)案例—消極情緒
        5.4.6 實(shí)驗(yàn)總結(jié)與分析
        5.4.7 面部表情轉(zhuǎn)換表的客觀評(píng)價(jià)驗(yàn)證
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 論文工作總結(jié)
    6.2 研究展望與未來(lái)工作
參考文獻(xiàn)
附錄
致謝
攻讀博士學(xué)位期間的研究成果



本文編號(hào)：3397853